如何得到你想要的影响从人工智能(AI)

据许多人来说,人工智能,人工智能,是一种万灵药现代组织的困境。然而,最大的一个错误,你可以采用人工智能时是假设它是一个银弹,神奇地使你的公司你的行业的前沿。而不是让这些天文预期的功能,最好有更脚踏实地和现实的看法。我们发现这样做的最好办法是通过改变你的观点关于人工智能;通过思考战略的方式获取信息;并通过使用人工智能技术真正有用和方便客户。

1。改变你的心态

21世纪所设想的受欢迎的卡通节目《杰森一家》、《社会依靠机器人想罗茜,机器人,自动化的女仆,可以做任何和所有的家人。这些机器人将被完全处理各种重复的,单调乏味的任务。在这一过程中,他们会表面上自由我们更充分地享受我们的生活。

我们已经学习,然而,实际上是取得进展更快,当我们设计和建造这样的“机器人”,而不是解决非常小的,特定的,往往看似微不足道的任务。而不是设计机器人仆人照顾一个巨大的各种各样的日常需求,我们发现最好创建项目,重点掌握小得多的东西。事实上,这是机器学习的非常基础的概念,它扮演着重要的角色在帮助我们意识到人工智能业务的全部潜力。

想想看:洗衣机刚发明的时候,其唯一目的是煽动脏衣服在肥皂水将从人类的负担转移到机器。随着时间的推移,见解关于这些机器的潜在能力是通过客户的反馈和其他数据的集合。反过来,我们能够改善这些“机器人”,这样他们就可以完成特定的任务——比如传感清洗衣服的类型和他们有多么脏,大大提高他们的整体功能和实用性。

每个算法只覆盖一个小的方面像罗西机器人的智能机器能做什么。

当这种心态应用于人工智能,通过较小的逐步细化,提高整体结果简单任务——机器学习。反过来,从数据科学的真正潜力AI是更容易实现。我想说的是,人工智能不处理“做一切”很好。真的照耀在关注能力较小,紧密关注,看似微不足道的任务。等一系列的小任务放在一起,结果机器是最接近,它能实现真正的“情报”。

让我换一种说法:尽管所有的炒作,人工智能是彻头彻尾的愚蠢。这是一个非常有价值的角度将AI投入有效的商业使用。不要指望任何人工智能解决方案神奇地解决一个主要问题或一举达到一个关键目标。明白,尽管大承诺,人工智能真的不是一个银弹,然后从那里开始。

不过,去哪里?与逐渐细化,用洗衣机技术,最好是首先关注小,即使看起来微不足道的任务。一旦你的AI取得精通几个特定的任务,他们可以串在一起。这各种各样的弗兰肯斯坦的怪物将会看起来非常聪明。当然,这不会是——但似乎肯定会这样。

没有“一”人工智能,但许多算法unicent假装表现出“智能”。

所以这不是一个问题,每个算法具有近似情报的微生物。相反,感到满意的教学来实现小,简单的步骤来解决一个小非常具体的问题。它将做伟大的。然后细化每一个步骤你收集更多的信息和反馈,然后进一步优化。最后,把它们放在一起创造一些可以帮助你实现完整的、激动人心的AI的潜力。

2。捕捉战略数据,以自动化的方式

相反作为传统智慧在很多——如果不是大多数行业,数量不是最要紧的事,终结时的信息。相反,这些信息的质量才是最重要的。事实上,有大量的数据通常意味着大量的数据很少或根本没有价值的组织。在许多行业,金融服务、电信和医疗,例如,很容易迅速积累大量的数字数据,但这并不意味着你的实际好。

在这些类型的行业,这些信息可能是收集和保存期限10年或更长时间。然而,不幸的是,这一历史数据不一定会帮助事情像预测客户的行为或优化决策在一个组织。

各种原因可能发挥作用妥协这样的历史信息,包括:

• 频繁的监管环境的变化
• 不断进化的捕获和储存信息的系统
• 引入新的竞争对手
• 新技术的发展
• 客户偏好的变化和期望以及更多

出于这个原因,数据科学家应该扮演重要角色的方式贵公司收集的信息用于人工智能的目的。毕竟,现代系统通常代码相同的数据分成不同的类别。输入信息的方式也经常变化——例如,更新培训协议是不可避免的,和员工经常发现和使用各种漏洞。

数据科学家应该扮演重要角色的方式贵公司收集的信息用于人工智能的目的。

如何解决这个问题吗?只要有可能,自动信息捕获和自动信息应该引入验证方法。然而,至关重要的是要了解这些技术并不银子弹。即使有这样的保护措施,很容易得到低质量的信息漏洞百出。你还可以方便地与失踪的信息完全或标签或分类的方式加强人工智能的影响没有任何关系。

这就是科学有效的数据和分析发挥作用——或者应该。采用这种策略的最好方法是通过与一位有经验的数据科学家。等专业工作为每个特定的项目定义将有用的信息,帮助你看到前方的陷阱。在这一过程中,他们大大提高收集的信息的质量。由于人工智能信息时,质量确实通常胜过数量。

不过,如果广撒网,让尽可能多的数据不是方法在收集信息时,你该如何积累独特的资产,帮助你意识到人工智能的潜力?别担心:这样做还有很多机会;一些和特定的数据点可能足以给你一个独特的竞争优势。这可能是自己或与他人相结合。

很少有相关的数据点,适当的燃料你的算法比海更有价值的数据的混合质量和较低的收益率。

利用这一概念的一个好办法就是开始很小的信息捕捉的努力,特别是如果你做一些新的东西。虽然你收集的总和可能很小,它也将成为全新的和独特的。这将允许您开发的世界上最大的存储库相关的信息,具体的难点或你的产品正试图解决的问题。数据集可能很小,但它仍有可能成为世界上最大的为您的特定利基。

例子:我们的团队建立了一个数据集的矿业通过期刊论文的文本处理、行业文章和技术报告。我们的人工智能处理数以万计的文档。它编译信息最大的40地下矿山,在120个变量的测量和比较时间间隔约100年左右。由此产生的数据几乎是巨大的,但它是非常有用的矿业公司,采矿设备制造商和其他关键行业参与者。

3所示。使它方便和有利于你的客户

第三,你不能意识到人工智能的全部价值,有利于你的公司。它还应该是有用的,方便你的客户。我们可以看看现代汽车传感器的类比这一概念如何在AI工作。传感器在汽车有助于实现自适应巡航控制等技术,这些技术为终端用户提供直接的好处。

你不能意识到人工智能的全部价值由贵公司受益只有。

通过使用传感器技术、现代汽车现在提供的特性,为客户提供直接的好处的形式改善安全,例如。由于这些进步非常有利于客户,他们这些技术价值,甚至为他们支付额外的快乐。通过这种方式,客户不仅仅受益于这项技术——汽车制造商也是。

你会怎么想,如果你的车有那些相同的传感器安装,但他们收集的信息只是显示制造商与客户没有好处吗?这将是非常令人毛骨悚然的,对吧?如果没有其他的,就留下一个坏的味道在嘴里;你觉得你被监视,几乎。你当然不会热衷于为这种技术支付额外费用。毕竟,它不会直接受益你在任何明显的方式,那么,为什么你会吗?

诸如人工智能的积极影响及其持续采用公众不是来自迎合您的组织的需求——至少不完全,但从迎合客户的利益。因此,当采用和使用人工智能业务,你应该问问自己如何任何特定的技术将被证明是有利于最终用户。可能客户会如何不仅采用这样的进步但做那么热情呢?他们会很乐意吸收开发这种创新的成本,或者他们会嘲笑这个想法吗?

技术创新在汽车一直发展缓慢,逐渐随着时间的推移,你使用的人工智能技术,应该可以逐渐发达。重要的不是在AI急于推出新的创新,但在确保这些创新符合您的目标受众的利益。——即使他们非常增量时,他们会更容易被客户所采用。反过来,这将是更容易持续改进达到最大潜力从人工智能和机器学习的努力。

记住这些点,记住,是完全可以开始在一个令人难以置信的小而简单的方法在开发人工智能为您的业务。事实上,它可能是永远在你的最佳利益。因为技术的进步在这样一个极快的速度,很容易假设你收养,开发和使用AI也应该如此。然而,这样做会让你的客户陷入困境。最后,它会完全妨碍你的努力充分利用人工智能的,会让你想知道为什么你困扰在第一时间。

考虑到他们已经完成了传感器和其他形式的人工智能技术在现代汽车中,我们有一些很好的想法,汽车制造商将会下,他们收集到的信息。特别是,我们相信他们会使用这些数据来为您提供见解关于你的驾驶,然后您可以使用更安全、更认真。例如,你的车可能会提醒你,你做你最危险驾驶在星期三晚上8点和9点之间的小时。理想情况下,这个警告会通过你进入你的车回家,说,周一晚上。,让你记住这些信息当你开车了。

目前汽车制造商的错失的机会是,他们不是为司机提供见解基于这些传感器获取的信息。想象一下,如果他们做到了。会是多么有价值吗?使用什么类似机会AI,造福客户你丢失在你的组织吗?

正如汽车公司可以不断获得的好处他们收集的信息通过人工智能技术,你的组织也可以。然而,为了实现这一目标,你需要有效方法的情况。最好的方法就是记住上面的三个点在漫漫长路的每一步。因此,专注于改变你的思维方式:人工智能是愚蠢的。使战略优先捕获信息:数据科学问题。最后,工作使技术方便和有利于客户:开始小和简单的路要走。

更多的数据这样的见解,跟随我们LinkedIn和收听我们的合作伙伴数据未来学世界领先的数据播客。

有一个数据问题需要解决?今天接触RUBIX团队。